Interactions between occupational exposure to extremely low frequency magnetic fields and chemicals for brain tumour risk in the INTEROCC study
Notice bibliographique
Résumé
OBJECTIVES: In absence of clear evidence regarding possible effects of occupational chemical exposures on brain tumour aetiology, it is worthwhile to explore the hypothesis that such exposures might act on brain tumour risk in interaction with occupational exposure to extremely low frequency magnetic fields (ELF). METHODS: INTEROCC is a seven-country (Australia, Canada, France, Germany, Israel, New Zealand and UK), population-based, case-control study, based on the larger INTERPHONE study. Incident cases of primary glioma and meningioma were ascertained from 2000 to 2004. Job titles were coded into standard international occupational classifications and estimates of ELF and chemical exposures were assigned based on job-exposure matrices. Dichotomous indicators of cumulative ELF (≥50th vs <50th percentile, 1-4 year exposure time window) and chemical exposures (ever vs never, 5-year lag) were created. Interaction was assessed on both the additive and multiplicative scales. RESULTS: A total of 1939 glioma cases, 1822 meningioma cases and 5404 controls were included in the analysis, using conditional logistic regression. There was no clear evidence for interactions between ELF and any of the chemical exposures assessed for either glioma or meningioma risk. For glioma, subjects in the low ELF/metal exposed group had a lower risk than would be predicted from marginal effects. Results were similar according to different exposure time windows, to cut-points of exposure or in exposed-only analyses. CONCLUSIONS: There was no clear evidence for interactions between occupational ELF and chemical exposures in relation to glioma or meningioma risk observed. Further research with more refined estimates of occupational exposures is recommended.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».